从局部谱子空间检测重叠社区
社会与信息网络
2015-09-29 v1 物理与社会
摘要
基于局部谱子空间的定义，我们提出了一种名为 LOSP 的局部重叠社区检测新方法。我们不再使用由整个网络的主特征向量张成的不变子空间，而是运行几步幂法来近似主特征向量，这些向量描绘了感兴趣种子节点周围局部邻域结构的嵌入。然后，我们在由这些向量张成的局部谱子空间中寻找一个稀疏近似指示向量，使得种子节点位于其支撑集中。我们在跨多个领域的五个带有标注真实社区的大型真实网络上评估了 LOSP，并将结果与 SOTA 社区检测方法进行了比较。LOSP 仅凭极少的种子成员就能以高准确率识别目标社区的成员，并且优于局部 Heat Kernel 或 PageRank 扩散方法以及全局基线方法。我们分析了局部谱子空间的两种候选定义，并全面评估了用于确定社区边界的不同社区评分函数，包括两种新指标。我们讨论了不同种子集的结构特性及种子集大小的影响。我们观察到低度种子表现更好，且 LOSP 即使从单个随机种子启动也具有鲁棒性。我们将 LOSP 作为子程序，并从每个自我连通分量出发，尝试了识别单个顶点所属所有社区这一更难但意义重大的任务。实验表明，所提出的方法在检测包含种子顶点的多个局部重叠社区上取得了高 F1 分数。
引用
@article{arxiv.1509.08065,
title = {Detecting Overlapping Communities from Local Spectral Subspaces},
author = {Kun He and Yiwei Sun and David Bindel and John E Hopcroft and Yixuan Li},
journal= {arXiv preprint arXiv:1509.08065},
year = {2015}
}
备注
11 pages, 8 figures